强健零信任架构：基于联邦学习的区块链与异常检测框架
密码学与安全
2024-06-26 v1 分布式、并行与集群计算
机器学习
摘要
本文提出了一种针对赋能高效远程工作和 IoT 网络内协作的去中心化系统的强健零信任架构（ZTA）。采用基于区块链的联邦学习原则，我们的框架包括一个针对被篡改客户端的恶意更新进行鲁棒聚合的机制，增强了全局学习过程的安全性。此外，对于远程工作和协作，安全可靠的信任计算至关重要。强健的 ZTA 框架集成了异常检测和信任计算，确保在去中心化方式下实现安全可靠的设备协作。我们引入了一个自适应算法，动态调整以适应不同用户情境，利用无监督聚类检测新型异常，如零日攻击。为确保可靠且可扩展的信任计算，我们开发了一个算法，动态适应不同用户情境，采用增量异常检测和聚类技术来识别并在节点之间共享本地和全局异常。未来方向包括规模性改进、Dirichlet 过程用于更先进的异常检测、隐私保留技术，以及集成后量子密码方法以保护免受新兴量子威胁。
引用
@article{arxiv.2406.17172,
title = {Robust Zero Trust Architecture: Joint Blockchain based Federated learning and Anomaly Detection based Framework},
author = {Shiva Raj Pokhrel and Luxing Yang and Sutharshan Rajasegarar and Gang Li},
journal= {arXiv preprint arXiv:2406.17172},
year = {2024}
}